MétaCan
Menu
Retour à la cohorte
Enregistrement W3045302633 · doi:10.1021/acsomega.0c01656

Comparison of Biobutanol Production Pathways via Acetone–Butanol–Ethanol Fermentation Using a Sustainability Exergy-Based Metric

2020· article· en· W3045302633 sur OpenAlexafffund
Samir Meramo, Ángel Darío González-Delgado, Lars Rehmann, Édgar Quiñones-Bolaños, Mehrab Mehrvar

Notice bibliographique

RevueACS Omega · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueBiofuel production and bioconversion
Établissements canadiensToronto Metropolitan UniversityWestern University
Organismes subventionnairesWestern UniversityCarleton UniversityRyerson University
Mots-clésExergySustainabilityMetric (unit)Exergy efficiencyBiofuelEnvironmental Sustainability IndexMathematicsProduction (economics)Topology (electrical circuits)Environmental economicsEnvironmental scienceProcess engineeringWaste managementEngineeringEconomicsOperations managementEcologyMicroeconomics

Résumé

récupéré en direct d'OpenAlex

(cassava waste) is presented in this study. The modeling of process topologies involved using Aspen Plus software. Topology 1 generated a product flow rate of 316,477 t/y of butanol, while this value was 367,037 t/y for topology 2. Both processes used a feed flow of 3,131,439 t/y of biomass. This study used seven technical indicators to evaluate both alternatives, which include the return of investment, discounted payback period, global warming potential, renewability material index, inherent safety index, exergy efficiency, and exergy of waste ratio. Otherwise, this study implemented an aggregate index to assess overall sustainability performance. The results revealed that topology 2 presented higher economic normalized scores for evaluated indicators, but the most crucial difference between these designs came from the safety and exergetic indexes. Topology 1 and topology 2 obtained weighted scores equaling to 0.48 and 0.53; therefore, this study found that the second alternative gives a more sustainable design for butanol production under evaluated conditions.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,061
Score d'incertitude au seuil0,799

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,043
Tête enseignante GPT0,281
Écart entre enseignants0,238 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations31
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS OmegaMême sujetBiofuel production and bioconversionTravaux en français237 207